她本科毕业于华中科技大学,曾在英伟达西雅图机器人实验室从事研究,后来在特斯拉Optimus团队做人形机器人的灵巧操作。
同日,Anthropic发布 Claude Fable 5.2和Claude Mythos 5.2。
除了编程、推理和视觉能力的更新,官方还公布了一项机器人评测结果:Fable 5.2在双臂机器人仿真中拿到64.9%,比Opus 5.5高出25.5个百分点。
01
她在英伟达研究机械臂装配,
也参与过Optimus真机部署
Bingjie Tang在华中科技大学完成本科阶段学习后,赴布朗大学攻读计算机科学硕士,随后在南加州大学获得计算机科学博士学位,师从Gaurav S. Sukhatme。
博士期间,她在南加州大学机器人嵌入式系统实验室开展研究,并与英伟达西雅图机器人实验室的Yashraj Narang、Dieter Fox等人合作。
英伟达公布的校友名单显示,她曾于2022年、2023年和2024年在该实验室实习。
她在英伟达做的一项研究,是教机械臂装零件。
把一根销插进孔里,看起来只要对准位置、往前一推。但对机械臂来说,销碰到孔沿后该往哪边调整、用多大的力,都会影响结果。
仿真里学会的动作,到了真机上也可能因为摩擦、接触和位置偏差而失效。
2023年,Bingjie Tang以共同第一作者身份在机器人会议RSS发表 IndustReal。
团队让机械臂在仿真里练习插销、装齿轮,再把学到的策略部署到真实的Franka机械臂上。
团队发现,仿真有时会算出两个零件相互穿透的结果。
如果机器人把这种反馈也当成有效经验,就可能学出真机上无法执行的动作。为此,他们降低了这类仿真经验在训练中的权重。
一年后,她以第一作者身份在RSS发表 AutoMate。这次,团队把问题推进了一步:换一批形状各异的零件,机器人还能不能装起来?
AutoMate构建了包含100种装配的数据集。仿真中,针对不同零件单独训练的专用策略,在80种装配上分别达到约80%或更高的成功率。
此后,她参与的 SRSA 研究如何从已有技能中找到适合新任务的策略,获ICLR 2025 Spotlight展示。
她以第一作者发表的 Refinery 则研究机械臂怎样利用真机交互反馈,继续调整已经部署的操作策略。
加入特斯拉后,她在Optimus AI团队担任高级机器人机器学习工程师。
据她的个人主页介绍,她负责基于机器学习的灵巧操作,工作覆盖数据采集、策略训练、评测和真机部署。
如今,她已将个人主页上的职位更新为Anthropic技术团队成员。
02
Claude两款新模型发布,
Fable 5.2机器人跑分达64.9%
这次发布的 Fable 5.2和Mythos 5.2 采用同一个底层模型,面向复杂的编程、科研和工程任务。
Fable 5.2已面向更广泛的用户开放,Mythos 5.2则通过网络安全、生命科学等验证计划及相关企业产品提供。
按Anthropic公布的数据,两款模型的输出速度较上一代最高提升30%,标准API价格降至每百万输入Token 8美元、每百万输出Token 40美元。
编程方面,Fable 5.2在软件工程评测FrontierSWE v2上拿到 69.9%,高于Opus 5.5的62.3%,上一代Fable 5.1则是56.3%。
9月,Anthropic曾用内部研究模型花11天,将费马大定理的已有证明写成能由Lean逐步校验的形式。
到了这次,约1000个运行早期版Fable 5.2的Agent在约30小时内完成了同一项工作。
一年多前,Anthropic和电路板设计制造公司Diode就试过让Claude做电子设计。
那时,模型连电路板布局都做不稳,也常常难以让设计中的部件装配到一起。
这次,Fable 5.2设计了三款电子设备:
掌上电子宠物、家庭语音助手和USB会议扬声器。Claude完成电路板、外壳和固件设计,Diode工程师负责制造和组装。
今年7月,团队就试过让Claude控制机械臂和宇树Go2。
到了这次发布,官方视频里的机器人已经能在Fable 5.2的控制下解魔方、拧瓶盖,还画了一幅机器人画像。
让机械臂拧开一次瓶盖,和让它在瓶子换了位置、瓶盖换了尺寸之后还能拧开,是两道题。
后一道题,正是Bingjie Tang过去在英伟达做机械臂装配、后来在特斯拉Optimus做灵巧操作时反复遇到的,如今,她加入了Anthropic。
从仿真训练到真机部署,她过去几年一直在做的,是让机器人学到的动作在条件变了之后依然管用。
END
关注+星标,获取AI前沿进展与开源一线动态

